Poynter: šta je naučio kurs novinarstva Duke kada je neuspeh bio deo zadatka
AI Journalism Lab na Univerzitetu Duke primenjuje praktičan pristup AI-u u redakcijama: prvo identifikovati konkretan urednički problem, a zatim pronaći odgovarajuću tehnologiju. Kurs namerno izbegava obrnutu logiku — biranje tehnologije pa traženje zadatka za nju — i taj izbor je u velikoj meri odredio ishode vredne proučavanja.
Četrnaest studenata direktno je sarađivalo s lokalnim medijskim organizacijama kako bi identifikovali realna uska grla u njihovim uredničkim procesima. Izgradili su pet funkcionalnih alata: pratilac cena u prodavnicama, analizator sednica gradskog veća, monitor zahteva za javna dokumenta, sumarizator biltena i generator kalendara kulturnih događaja. Nijedan projekat nije zahtevao duboko tehničko znanje — studenti su učili ono što je bilo neophodno za rešavanje konkretnih zadataka.
Najinstruktivniji nalaz bio je o ograničenjima generativnog AI-a u ovom kontekstu. Mnogi projekti su se na kraju okrenuli tradicionalnoj automatizaciji — pravilima za sortiranje, kategorizaciju i strukturirano sumiranje — umesto velikim jezičkim modelima, jer je rizik od halucinacija činio generativne pristupe neprikladnim za zadatke gde je faktička tačnost bila obavezna. Studenti koji su pokušali generativna rešenja na zadacima s velikim količinama podataka otkrili su to pod realnim uslovima i krenuli drugim smerom. Predavači su taj zaokret smatrali uspehom i dodelili “trofej bombe” timu čiji je prvobitni koncept propao, a prerađeni alat ispostavio trajnijim od svega što je bilo originalno planirano.
Kurs takođe tiho zastupa određeni pedagoški pristup. Kada studenti imaju pravu redakciju kao klijenta i konkretan problem za rešavanje, jaz između marketinških obećanja AI-a i njegovih operativnih mogućnosti postaje brzo vidljiv. Upravo u tom jazu odvija se pravo učenje — i ono formira iskusnije praktičare nego program zasnovan na demonstracijama AI mogućnosti u idealnim uslovima.
Za nastavnike novinarstva, model kursa je prenosiv: partnerstvo s lokalnim medijima, strogo ograničavanje opsega, prihvatanje neuspeha kao dela procesa i ocenjivanje alata prema tome rešavaju li konkretan problem — a ne prema tome koriste li najnapredniju dostupnu tehnologiju.
Korisno za nastavnike novinarstva koji dizajniraju AI kurikulume i za redakcije koje strukturišu interne AI eksperimente s niskom tolerancijom na uzaludan rad.